CREA: Colección de Recursos Educativos Abiertos

 

Detección y clasificación de valvulopatías mediante procesado de señal y técnicas machine learning a partir del análisis de sonidos cardíacos.

dc.audience.mediatorUniversidad de Jaén. Escuela Politécnica Superior (Linares)es_ES
dc.contributor.advisorCañadas-Quesada, Francisco J.
dc.contributor.advisorTorre-Cruz, Juan
dc.contributor.authorSánchez-Barrionuevo, Eduardo
dc.contributor.otherUniversidad de Jaén. Ingeniería de Telecomunicaciónes_ES
dc.date.accessioned2024-10-16T11:33:35Z
dc.date.available2024-10-16T11:33:35Z
dc.date.issued2024-10-16
dc.description.abstract[es] La auscultación cardíaca es un método no invasivo ampliamente utilizado para detectar enfermedades cardiovasculares mediante la identificación de sonidos cardíacos anómalos. Sin embargo, requiere una gran experiencia médica, ya que los cardiólogos experimentados reconocen alrededor del 80% de las valvulopatías, mientras que los médicos de atención primaria solo detectan entre el 20-40%. Dado que los algoritmos de aprendizaje profundo han superado a los métodos tradicionales en el procesamiento de señales biomédicas, este proyecto analiza varias arquitecturas de deep learning para comparar su rendimiento en la detección y clasificación de sonidos cardíacos a partir de representaciones tiempofrecuencia bidimensionales (2D) o secuencias temporales unidimensionales (1D). El objetivo final es implementar estas arquitecturas en dispositivos móviles, evaluando su viabilidad en función de los recursos de hardware, y desarrollar una aplicación para smartphones que alerte sobre la presencia de sonidos cardíacos anómalos asociados a valvulopatías.es_ES
dc.description.abstractCardiac auscultation is a non-invasive method widely used to detect cardiovascular diseases by identifying abnormal heart sounds. However, it requires significant medical expertise, as experienced cardiologists can recognize around 80% of valvulopathies, while primary care physicians detect only 20-40%. Given that deep learning algorithms have outperformed traditional methods in biomedical signal processing, this project analyzes several deep learning architectures to compare their performance in detecting and classifying heart sounds from two-dimensional time-frequency representations (2D) or one-dimensional temporal sequences (1D). The ultimate goal is to implement these architectures on mobile devices, evaluating their feasibility based on hardware resources, and to develop a smartphone application that alerts users to the presence of abnormal heart sounds associated with valvulopathies.es_ES
dc.identifier.urihttps://hdl.handle.net/10953.1/25249
dc.language.isospaes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectSistemas de Telecomunicación e Imagen y Sonidoes_ES
dc.subject.classification3210es_ES
dc.subject.classification3325es_ES
dc.subject.otherMedicina preventivaes_ES
dc.subject.otherPreventive medicinees_ES
dc.subject.otherTecnología de las telecomunicacioneses_ES
dc.subject.otherTelecommunnications technologyes_ES
dc.titleDetección y clasificación de valvulopatías mediante procesado de señal y técnicas machine learning a partir del análisis de sonidos cardíacos.es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
TFG_Final - Eduardo Sanchez Barrionuevo.pdf
Tamaño:
9.35 MB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.11 KB
Formato:
Item-specific license agreed upon to submission
Descripción: